大数据技术驱动下,利用大规模数据进行复杂网络建模的科学计量学研究能够帮助人们量化计算学术社会,从而更好地理解科学发展的模式和规律。本论文从复杂网络的角度出发,通过对微软学术图谱数据库和美国物理学会官方数据集中期刊数据的分析,研究了科学研究领域(简称科研领域)的论文数量增长规律以及科研领域网络的结构与演化性质,取得的成果如下:1、统计分析表明随着时间的演化,论文平均涉及的科研领域数量整体呈上升趋势,这与科研领域分工越来越细,跨领域合作研究越来越多的趋势相吻合。科研领域的论文数量分布服从幂律分布或者截断幂律分布,这一分布说明科研工作者具有追随热门研究领域的倾向,称为“热点追随效应”。根据这一效应,本论文提出了一个论文发表过程模型,模型的理论和仿真结果部分解释了科研领域论文数量幂律分布的成因。2、根据科研领域间的联系,本论文构建了一个科研领域网络,对网络结构和演化性质的研究结果表明科研领域网络具有无标度网络特性,网络的度分布尾部与核分布尾部均服从幂律分布,一些度大的关键领域互相关联而形成一个紧密连接的核。科研领域网络的一些关键性指标,如度分布、核分布、平均聚类系数、平均最短路径长度、度相关系数等随着时间的演化具有相对稳定性,说明科研领域间具有较为稳定的联系。3、根据科研领域间论文的相互引用关系,本论文构建了一个科研领域引用网络,在此基础上提出了一个基于网络节点间引文流函数的科研领域论文数量增长预测模型,该模型能够根据科研领域间论文的相互引用关系和已发表论文的数量,预测科研领域未来几年内的论文发表数量,从而帮助人们更好地判断某个科研领域未来的发展情况。本论文结果表明,科研领域的发展以及科研领域间的联系均有其内在规律,这些规律能够帮助人们更好地预测科研领域的发展前景,从而帮助科研政策制定者更加合理地制定支持和鼓励各个科研领域发展的政策。